Biến size ceo liq prof tang grow Mean VIF
VIF 1,24 1,22 1,14 1,08 1,03 1,02 1,12
1/VIF 0,81 0,82 0,88 0,92 0,97 0,98
Nguồn: Tính tốn từ phần mềm Stata
Hệ số VIF ở Bảng 4.22 dao động từ 1,02 đến 1,24. Theo O’Brien (2007) [87] giá trị VIF < 10, điều này cho thấy khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Bảng 4.23: Kiểm định chọn POLS hay REM và phương sai sai số thay đổi trong mơ hình tỷ suất nợ Phương pháp ước lượng Loại kiểm định Thống kê Chi2 Pro>Chi2 Kết quả kiểm định POLS Breusch-Pagan 1778,42 0,000 Có PSSS
FEM Wald 5,3e+07 0,000 Có PSSS
REM Breusch-Pagan
Lagrangian 9264,52 0,000
REM phù hợp hơn POLS
Nguồn: Tổng hợp kiểm định từ phần mềm Stata
Kết quả Bảng 4.23 kiểm định cho biết cả 3 phương pháp POLS, FEM và REM đều tồn tại phương sai sai sốthay đổi trong mơ hình.
Tương tự, kết quả hồi quy tỷ suất nợ ngắn hạn (2) và dài hạn (3) thể hiện ở Phụ lục 4.2 và Phụ lục 4.3
Bảng 4.24: Kiểm định phương sai sai số thay đổi và chọn POLS hay REM trong mơ hình tỷ suất nợ ngắn hạn Phương pháp ước lượng Loại kiểm định Thống kê Chi2 Pro>Chi2 Kết quả kiểm định POLS Breusch-Pagan 2259,47 0,000 Có PSSS
FEM Wald 1,6e+07 0,000 Có PSSS
REM Breusch-Pagan
Lagrangian 6891,64 0,000
REM phù hợp hơn POLS
Nguồn: Tổng hợp kiểm định từ phần mềm Stata
Bảng 4.25: Kiểm định phương sai sai số thay đổi và chọn POLS hay REM trong mơ hình tỷ suất nợ dài hạn
Phương pháp ước lượng Loại kiểm định Thống kê Chi2 Pro>Chi2 Kết quả kiểm định POLS Breusch-Pagan 599,41 0,000 Có PSSS
FEM Wald 1,7e+07 0,000 Có PSSS
REM Breusch-Pagan
Lagrangian 8875,01 0,000
REM phù hợp hơn POLS
Bảng 4.24 và Bảng 4.25 chỉ ra tồn tại hiện tượng phương sai sai số trong mơ hình tỷ suất nợ ngắn hạn và dài hạn (theo phương pháp POLS và FEM).
Tiếp theo, luận án kiểm định phát hiện hiện tượng tự tương quan. Phụ lục 4.4 cho thấy kết quả kiểm định Wooldride cho hiện tượng tự tương quan trong cả 3 mơ hình tỷ suất nợ, tỷ suất nợ ngắn hạn và tỷ suất nợ dài hạn đều tồn tại hiện tượng tự tương quan (Prob >F = 0,000).
Trong 2 phương pháp còn lại FEM hay REM thì phương pháp ước lượng nào phù hợp, kiểm định Hausman được thực hiện. Kết quả kiểm định Hausman ở Phụ lục 4.5 cho thấy phương pháp ước lượng FEM là phù hợp (Prob> Chi2 = 0,000).
Để khắc phục hiện tượng phương sai sai số thay đổi và tự tương quan, đề tài sử dụng mơ hình hồi quy theo phương pháp FEM với sai số chuẩn mạnh robust (cluster). Kết quả thể hiện ở Phụ lục 4.6.
Kết quảước lượng ở Phụ lục 4.6 cho thấy cảba mơ hình (1, 2 và 3) đều có ý nghĩa thống kê ở mức ý nghĩa kiểm định F là 1% (Prob = 0,000 < 0,01). Ở mơ hình 1 liên quan đến tỷ suất nợ, hệ số R2 là 41,3% có nghĩa các nhân tố thuộc về đặc trưng của DNXD có khả năng giải thích 41,3% sự biến động của tỷ suất nợ, hay nói cách khác còn 58,7% sự thay đổi của tỷ suất nợ trong các DNXD do ảnh hưởng của các nhân tố khác. Đối với mơ hình 2 liên quan đến tỷ suất nợ ngắn hạn, R2 là 64,4% có nghĩa các nhân tố thuộc đặc trưng ở DNXD có khả năng giải thích được 64,4% sự biến động của tỷ suất nợ ngắn hạn. Hệ số R2 là 7,3%, nhỏ nhất trong cả ba mơ hình, cho thấy các nhân tố thuộc về đặc trưng doanh nghiệp khả năng giải thích thấp nhất sự thay đổi của tỷ suất nợ dài hạn. Hệ số R2 thấp cũng đặt ra còn nhiều nhân tố khác ảnh hưởng đến chính sách tài trợ của các doanh nghiệp trong lĩnh vực xây dựng.
Vấn đề tiếp theo, phụ lục 4.6 chỉ ra hệ số R2 trong mơ hình (1), (2) và (3) thấp, liệu các mơ hình có phù hợp và có tồn tại hiện tượng nội sinh hay khơng?. Đối với các DNXD thì một quyết định gia tăng vay nợ hoặc tăng VCSH nhằm tăng năng lực thi cơng thì hồn tồn có thểảnh hưởng đến tốc độtăng trưởng (grow), tăng khảnăng sinh lời (prof). Nếu tồn tại hiện tượng này trong mơ hình hồi quy được gọi là hiện tượng nội sinh (endogeneity). Hơn nữa, trong DNXD một quyết định tăng vốn vay
nợthường ảnh hưởng đến tài sản thế chấp, hiệu quả kinh doanh, cơ hội tăng trưởng sau một thời gian (có thể1 năm, 2 năm, v.v.). Điều này có nghĩa độ trễ của nợ có thể ảnh hưởng đến tài sản thế chấp, hiệu quả kinh doanh, cơ hội tăng trưởng.Trong trường hợp này biến phụ thuộc tác động ngược trở lại đến biến độc lập, trong khi giảđịnh của mơ hình hồi quy gộp POLS, FEM, REM là mối quan hệ giữa các biến độc lập và biến phụ thuộc không phải là mối liên hệ nhân quả (biến độc lập chỉ tác động đến biến phụ thuộc, khơng có chiều ngược lại).
Mặt khác theo Dang [37], với mơ hình động (Dynamic Panel Data) có biến trễ phụ thuộc làm biến độc lập thì ước lượng các tham số mơ hình dữ liệu bảng dạng động với phương pháp truyền thống như POLS, FEM là ước tính khơng hiệu quả (kết quả bị chệch) vì khi xem xét độ trễ của biến phụ thuộc ảnh hưởng đến giá trị hiện tại của biến phụ thuộc sẽ dẫn đến tựtương quan chuỗi giữa biến trễ phụ thuộc với các thành phần sai số(error term). Hơn nữa, Dang [37] khẳng định trong trường hợp mơ hình tồn tại hiện tượng nội sinh thì phương pháp POLS, FEM càng khơng phù hợp (bias lớn). Để minh chứng điều này, cách tốt nhất để giải quyết tác động ngược lại của biến phụ thuộc đến biến độc lập là sử dụng biến công cụ (Instrumental variable). Do đó, đề tài bổ sung biến trễ của biến phụ thuộc vào mơ hình, sau đó phát hiện tương quan chuỗi và hiện tượng nội sinh trong mơ hình, luận án sử dụng phương pháp ước tính System GMM. Mơ hình tổng qt có dạng như sau:
𝑦𝑖𝑡 = 𝛾𝑦𝑖𝑡−1+ 𝛽𝑥𝑖𝑡 + 𝜂𝑖 + 𝑣𝑖𝑡 , 𝑖 = 1, … , 𝑁; 𝑡 = 2, … , 𝑇
Trong đó:(∆yi,t-1∆yi,t-1, …∆yi2)là biến công cụ cho biến 𝑦𝑖𝑡−1 ; 𝜂𝑖: ảnh hưởng cố định.
Trong đó, biến 𝑦𝑖𝑡: Sẽ đại diện cho các biến tdta (tỷ suất nợ), stdta (tỷ suất nợ ngắn hạn), ltdta (tỷ suất nợ dài hạn). 𝑦𝑖𝑡−1: Tỷ suất nợ năm trước.
𝑥𝑖𝑡: Đại diện cho các biến độc lập (hay nhân tố) như: Quy mô (size), cơ hội tăng trưởng (grow), hiệu quả kinh doanh (prof), tài sản thế chấp (tang), tính thanh khoản (liq) và quản trị cơng ty (ceo).
Cụ thể, trong nghiên cứu này mơ hình (1), (2) và (3) viết lại dưới dạng: tdtait= γtdtait-1+β1sizeit+β2growit+ β3profit+β4 tangit+ β5liqit+ β6ceoit+ηi +vit (1)
stdtait= γstdtait-1+β1sizeit+β2growit+ β3profit+β4 tangit+ β5liqit+ β6ceoit+ηi +vit (2) ltdtait= γltdtait-1+β1sizeit+β2growit+ β3profit+β4 tangit+ β5liqit+ β6ceoit+ηi +vit (3)
Tiếp theo chạy hồi quy mơ hình (1), (2) và (3) với phương pháp Sys GMM, kết quả thể hiện ở Phụ lục 4.7:
Kết quả Phụ lục 4.7 cho thấy, với các biến đặc trưng của DNXD và khi đưa biến trễ phụ thuộc (với độ trễ 1 năm) vào mơ hình, kết quả kiểm định tự tương quan chuỗi bậc 2 (AR2) mô hình (1) = 0,142 > 0.05 và mơ hình (2) = 0,12 > 0.05. Điều đó cho thấy chưa đủ cơ sở bác bỏ giả thuyết H0 (khơng có tương quan chuỗi bậc 2), nghĩa là khơng có tương quan chuỗi bậc 2 trong mơ mơ hình (1) và (2). Tuy nhiên mơ hình (3): AR2 = 0,000<0.01), điều đó chứng tỏ khả năng tương quan chuổi sai số mô hình là rất cao.
Mặt khác, kiểm định Hansen về tính nội sinh với giả thuyết H0: Các biến độc lập trong mơ hình là ngoại sinh và đối thuyết H1: Có ít nhất một biến độc lập trong mơ hình là nội sinh. Kết quảkiểm định Hansen trong cả ba mơ hình (1,2 và 3) đều có giá trị p-value = 0,000 < 0,05 cho thấy tồn tại hiện tượng nội sinh trong cả ba mơ hình. Để giảm hiệu ứng hiện tượng nội sinh trong mơ hình, luận án lấy độ trễ của biến phụ thuộc sâu hơn, tuy nhiên kết quả dẫn đến hiện tượng biến công cụ yếu (kiểm định Sargan với p-value = 0,000). Biến cơng cụ yếu hay cịn gọi khơng phù hợp sẽ dẫn đến sai số trong ước lượng lớn.
Do vậy, luận án sử dụng phương pháp GMM để phát hiện chuẩn đốn hiện tượng nội sinh nhưng khơng thể dùng mơ hình này để xác định các nhân tố ảnh hưởng đến CTTC các DNXD.
Tiếp theo để giải quyết hiện tượng tương quan chuỗi sai số và hiện tượng nội sinh cũng như vấn đề chệch trong mơ hình, từ đó tìm mơ hình tối ưu, luận án tiếp tục xem xét mơ hình dữ liệu bảng dạng động với phương pháp ước lượng Tobit (DPF).
Mơ hình Tobit cho dữ liệu bảng dạng động có dạng tổng quát như sau: 𝑦𝑖𝑡∗ = 𝛾𝑦𝑖𝑡−1∗ + 𝛽𝑥𝑖𝑡 + 𝜂𝑖 + 𝑣𝑖𝑡 , 𝑖 = 1, … , 𝑁; 𝑡 = 2, … , 𝑇
𝜂𝑖 = 𝛼0+ 𝛼𝑦𝑖1 + 𝑥𝑖 + 𝛼𝑖
Trong đó: 𝑥̅𝑖 = 1𝑇∑ 𝑥𝑇 𝑖𝑡
1 , 𝛼𝑖~(0, 𝜎𝛼2), 𝑣𝑖𝑡~(0, 𝜎𝑣2) và 𝛼𝑖, 𝑥𝑖𝑡, 𝑣𝑖𝑡 độc lập với nhau.
𝜂𝑖: ảnh hưởng cố định
Để ước tính biến phụ thuộc 𝑦𝑖𝑡, trong khoản (0 đến 1), quan sát ẩn 𝑦𝑖𝑡∗ được kiểm duyệt hai phía (1 < 𝑦𝑖𝑡∗ < 0)
0 nếu 𝑦𝑖𝑡∗ ≤ 0 𝑦𝑖𝑡 = yit* nếu 0 < 𝑦𝑖𝑡∗ < 1
1 nếu yit*≥1
Trong đó, biến 𝑦𝑖𝑡: Sẽ đại diện cho các biến phụ thuộc là CTTC: tdta (tỷ suất nợ), stdta (tỷ suất nợ ngắn hạn), ltdta (tỷ suất nợ dài hạn). 𝑦𝑖𝑡−1: Tỷ suất nợ năm trước (L.tdta; L.stdta; L.ltdta). Quan sát ẩn 𝑦𝑖𝑡∗ đại diện cho các giá trị của biến phụ thuộc (CTTC), nếu nằm ngoài phạm vi [0,1] thường là các trường hợp bất thường nên cần được thay thế nhằm điều chỉnh sai số dữ liệu.
𝑥𝑖𝑡: Đại diện cho các biến độc lập (hay nhân tố) như: Quy mô (size), cơ hội tăng trưởng (grow), hiệu quả kinh doanh (prof), tài sản thế chấp (tang), tính thanh khoản (liq) và quản trị công ty (ceo), tốc độ tăng trưởng kinh tế (GDP), lạm phát (CPI), lãi suất vay (ir), thuế suất thuế TNDN (Tax) và khủng hoảng tài chính (crisis). Lần lượt chạy hồi quy mơ hình (1), (2) và (3) với phương pháp Tobit, kết quảnhư sau: